자산 관리 시장에서의 인공지능 - 기술(머신 러닝, 자연어 처리(NLP), 기타), 배포 모드(온프레미스, 클라우드), 애플리케이션(포트폴리오 최적화, 대화형 플랫폼, 위험 및 규정 준수, 데이터 분석, 기타), 지역, 경쟁사별로 세분화된 글로벌 산업 규모, 점유율, 추세, 기회 및 예측, 2018-2028

시장 개요

자산 관리 분야의 글로벌 인공지능 시장은 최근 몇 년 동안 엄청난 성장을 경험했으며 강력한 확장을 계속할 태세입니다. 자산 관리 분야의 인공지능 시장은 2022년에 25억 8천만 달러의 가치를 달성했으며 2028년까지 연평균 성장률 35.67%를 유지할 것으로 예상됩니다.

주요 시장 동인

AI를 통한 향상된 투자 의사 결정

자산 관리 분야의 글로벌 인공지능 시장을 추진하는 주요 동인 중 하나는 투자 의사 결정 프로세스에 상당한 향상을 가져온다는 것입니다. AI 기반 솔루션은 자산 관리자와 투자자에게 방대하고 복잡한 데이터 세트를 실시간으로 분석할 수 있는 전례 없는 기능을 제공합니다. 이러한 AI 알고리즘은 뉴스 기사, 재무 보고서, 소셜 미디어 감정 및 과거 시장 데이터를 처리하여 인간 분석가가 알아내기 어려울 수 있는 패턴, 추세 및 투자 기회를 식별할 수 있습니다.

AI 모델은 머신 러닝 및 자연어 처리(NLP) 기술을 활용하여 뉴스 기사 및 소셜 미디어 게시물과 같은 비정형 데이터 소스에서 귀중한 통찰력을 추출할 수 있습니다. 이를 통해 자산 관리자는 보다 정보에 입각하고 시기적절한 투자 결정을 내리고, 시장 움직임을 예상하고, 포트폴리오를 동적으로 조정하여 위험을 최소화하면서 수익을 극대화할 수 있습니다. 또한 AI 기반 예측 분석은 자산 관리자에게 자산 성과를 평가하고, 이상을 감지하고, 시장 변동을 예상할 수 있는 도구를 제공합니다. 이러한 사전 예방적 접근 방식을 통해 보다 나은 위험 관리와 개선된 투자 전략이 가능해져 궁극적으로 자산 관리자와 고객 모두에게 우수한 재무적 성과를 제공합니다. 요약하자면 자산 관리에 AI를 적용하는 것은 보다 정확하고 데이터 중심의 투자 결정에 대한 탐구에서 비롯됩니다. AI가 방대한 양의 데이터를 분석하고, 패턴을 식별하고, 실행 가능한 통찰력을 제공하는 능력은 자산 관리자가 투자 전략을 최적화하고 고객에게 더 나은 결과를 제공할 수 있도록 지원합니다.

요약하자면, 디지털 혁신 이니셔티브는 글로벌 자산 관리 시장의 주요 원동력입니다. 조직은 IT 인프라를 현대화하고, 데이터 분석을 활용하고, 원활한 통합을 달성하는 데 필요한 복잡성을 탐색하는 데 도움이 되는 소프트웨어 컨설턴트를 찾고 있습니다.

금융 시장의 복잡성 증가

글로벌 자산 관리 시장의 인공지능 시장은 또한 금융 시장의 복잡성 증가에 의해 주도됩니다. 오늘날 상호 연결된 글로벌 경제에서 금융 시장은 지정학적 사건, 경제 지표, 빠르게 변화하는 투자자 심리 등 다양한 요인의 영향을 받습니다. 이러한 복잡성은 자산 관리자와 투자자가 효과적으로 탐색하기 어려운 환경을 조성합니다.

AI 솔루션은 방대한 양의 데이터를 빠르게 처리하고 해석하는 기능을 제공하여 이 복잡한 환경에서 경쟁 우위를 제공합니다. 다양한 요인이 자산 가격에 미치는 잠재적 영향을 평가하여 자산 관리자가 실시간으로 보다 정보에 입각한 결정을 내릴 수 있도록 도울 수 있습니다. AI는 과거 시장 데이터를 분석하고 잠재적 시장 움직임이나 기회를 나타내는 패턴을 식별할 수 있습니다.

또한 AI 기반 위험 관리 도구를 통합하면 자산 관리자가 포트폴리오와 관련된 위험을 더 잘 이해하고 완화할 수 있습니다. AI 시스템은 시장을 지속적으로 모니터링하고 포트폴리오 취약성을 평가하여 자산 관리자에게 잠재적 위협을 경고하고 위험 완화 전략을 제안할 수 있습니다. 금융 시장의 복잡성은 계속 증가할 것으로 예상되므로 AI 기반 자산 관리 솔루션은 경쟁력을 유지하고 긍정적인 투자 성과를 달성하는 데 점점 더 필수적입니다. 따라서 자산 관리에서 AI를 도입하는 것은 복잡하고 끊임없이 변화하는 금융 환경을 효과적으로 탐색할 수 있는 고급 도구에 대한 필요성에 의해 주도됩니다.

맞춤형 투자 전략에 대한 수요

자산 관리 시장에서 글로벌 인공지능의 또 다른 중요한 동인은 맞춤형 투자 전략에 대한 수요가 증가하고 있다는 것입니다. 전통적인 일괄적 투자 방식은 더 이상 오늘날의 투자자의 기대에 부응하지 못합니다. 대신 개인과 기관 고객은 고유한 재무 목표, 위험 감수성 및 선호도에 맞는 맞춤형 투자 솔루션을 찾습니다. AI 기반 자산 관리 플랫폼은 이러한 개인화 수요를 충족하는 데 적합합니다. 이러한 플랫폼은 AI 알고리즘을 활용하여 고객의 재무 프로필, 투자 목표 및 위험 선호도를 분석합니다. 그런 다음 각 고객의 특정 목표에 맞는 개인화된 투자 전략을 생성할 수 있습니다. 또한 AI는 포트폴리오를 지속적으로 모니터링하고 조정하여 고객의 변화하는 요구 사항과 시장 상황에 맞게 유지할 수 있도록 합니다. 개인화된 추천을 제공하고 변화하는 상황에 적응함으로써 AI 기반 자산 관리 플랫폼은 고객 만족도, 충성도 및 유지율을 향상시킵니다.

결론적으로 개인화된 투자 전략에 대한 수요가 증가함에 따라 자산 관리에 AI를 도입하는 데 큰 원동력이 되었습니다. AI는 맞춤형 투자 솔루션을 만들고 개별 고객의 요구 사항에 지속적으로 적응할 수 있는 능력으로 인해 경쟁 시장에서 고객을 유치하고 유지하려는 자산 관리자에게 중요한 도구로 자리 매김하고 있습니다. 이 드라이버는 투자자의 다양한 요구를 더 잘 충족시키기 위해 자산 관리 산업을 재편하는 데 있어 AI의 혁신적 잠재력을 강조합니다.

주요 시장 과제

데이터 품질 및 가용성

자산 관리 시장에서 글로벌 인공지능의 가장 중요한 과제 중 하나는 데이터의 품질과 가용성입니다. AI 기반 자산 관리에서는 투자 의사 결정, 위험 평가 및 포트폴리오 최적화를 위해 데이터에 크게 의존합니다. 그러나 재무 데이터 환경은 종종 단편화되어 있으며, 시장 피드, 경제 지표, 회사 보고서 및 소셜 미디어 감정과 같은 대체 데이터 스트림과 같은 다양한 소스에 정보가 분산되어 있습니다. 이러한 단편화로 인해 데이터를 효율적으로 AI 모델에 통합하는 것이 어렵습니다. 또한 데이터 소스의 정확성과 신뢰성이 중요합니다. 부정확하거나 오래된 데이터는 잘못된 투자 결정, 위험 증가 및 잠재적 손실로 이어질 수 있습니다. 또한 자산 관리자는 GDPR 및 Dodd-Frank와 같은 엄격한 규정 시대에 특히 데이터 개인 정보 보호 및 규정 준수 문제에 직면해야 합니다. 이러한 규정을 준수하면서 민감한 재무 정보를 처리하려면 강력한 데이터 관리 관행과 규정 준수 조치가 필요합니다. 또한 위성 이미지나 웹 스크래핑과 같은 대체 데이터 소스를 사용하면 구조화되지 않았거나 노이즈가 많거나 편향된 데이터로 인해 복잡성이 발생하여 신중하게 처리하고 사전 처리해야 합니다.

모델 해석 가능성 및 설명 가능성

자산 관리 시장에서 글로벌 인공 지능의 또 다른 중요한 과제는 AI 모델의 해석 가능성 및 설명 가능성과 관련이 있습니다. AI 알고리즘이 더욱 발전하고 복잡해짐에 따라 종종 "블랙박스" 모델로 작동합니다. 즉, 이러한 모델은 정확한 예측과 투자 결정을 내릴 수 있지만 이러한 모델의 내부 작동 방식은 인간이 쉽게 해석할 수 없습니다. 이러한 불투명성은 자산 관리자에게 우려를 불러일으킬 수 있는데, 특히 SEC와 같은 규제 기관이 투자 전략에 대한 투명성과 설명을 요구할 때 고객이나 규제 기관에 투자 결정을 설명하는 데 어려움을 겪을 수 있기 때문입니다. 모델 해석 가능성과 설명 가능성을 보장하는 것은 규제적 필요성일 뿐만 아니라 효과적인 위험 관리에도 필수적입니다. AI 기반 투자 결정의 위험 요소와 원동력을 이해하는 것은 위험을 완화하고 포트폴리오 안정성을 유지하는 데 중요합니다.

과도한 적합과 모델 견고성

과도한 적합과 모델 견고성은 글로벌 자산 관리 인공지능 시장에서 지속적인 과제입니다. 과도한 적합은 AI 모델이 훈련 데이터에서 예외적으로 좋은 성과를 보이지만 새로운 보이지 않는 데이터로 일반화하는 데 어려움을 겪어 실제 시나리오에서 최적이 아닌 성능을 보일 때 발생합니다. 반면 모델 견고성은 AI 모델이 변화하는 시장 상황에 적응하고 잘 수행할 수 있는 능력과 관련이 있습니다. 급격한 변화와 변화하는 패턴이 있는 금융 시장의 역동적인 특성을 감안할 때 과거 데이터에 과도하게 적합한 AI 모델은 새로운 시장 상황에 효과적으로 대응하지 못할 수 있습니다. 시장 붕괴나 경제 위기와 같은 극단적인 상황에서는 데이터 부족도 상당한 과제가 될 수 있습니다. 훈련 중에 유사한 이벤트에 직면하지 않은 AI 모델은 이러한 기간 동안 의미 있는 통찰력이나 예측을 제공하는 데 어려움을 겪을 수 있습니다. 이러한 과제를 해결하기 위해 자산 관리자는 지속적인 모델 모니터링, 검증 및 재교육에 투자하여 AI 모델이 견고하고, 잘 보정되었으며, 다양한 시장 시나리오를 처리할 수 있도록 해야 합니다. 규제 기관은 자산 관리에서 AI 기반 모델을 점점 더 면밀히 조사하고 있으며, 모델 견고성과 규정 준수의 중요성을 더욱 강조하고 있습니다.

결론적으로, 자산 관리 시장에서 글로벌 인공지능은 데이터 품질 및 가용성, 모델 해석 가능성 및 설명 가능성, 과적합/모델 견고성과 관련된 상당한 과제에 직면해 있습니다. 이러한 과제는 자산 관리 전략에 AI를 통합하는 것의 복잡성과 위험을 효과적으로 관리하면서 AI의 모든 잠재력을 활용하기 위해 이를 해결하는 것의 중요성을 강조합니다.

주요 시장 동향

투명성 및 규정 준수를 위한 설명 가능 AI(XAI)

자산 관리 시장에서 글로벌 인공 지능의 두드러진 동향 중 하나는 투명성을 강화하고 규제 요구 사항을 준수하기 위해 설명 가능 AI(XAI)를 점점 더 많이 도입하는 것입니다. XAI는 블랙박스 AI 모델의 과제를 해결하여 의사 결정과 예측에 대한 인간이 이해할 수 있는 설명을 제공하도록 설계된 AI 시스템을 말합니다. 규제 감독이 증가하고 있는 자산 관리에서 AI 기반 투자 결정을 설명하고 정당화할 수 있도록 하는 것이 중요합니다. XAI 기술은 자산 관리 AI 플랫폼에 필수적이 되어 자산 관리자가 AI에서 생성된 투자 전략의 이유를 이해하고 전달할 수 있도록 합니다. 이러한 동향은 투명성과 책임을 필요로 하는 금융 산업의 규제 의무를 감안할 때 특히 관련이 있습니다. 예를 들어, 미국의 SEC(미국 증권거래위원회)의 Regulation Best Interest(Reg BI)는 재무 고문이 고객의 최대 이익을 위해 행동하고 투자 결정에 대한 명확한 공개를 제공하도록 요구합니다. 자산 관리자는 XAI를 활용하여 복잡한 AI 모델과 인간의 이해 사이의 격차를 메우고 있습니다. XAI를 사용하면 AI 알고리즘의 의사 결정 프로세스를 분석하여 투자 선택에 영향을 미치는 주요 요인, 변수 및 데이터 포인트를 강조할 수 있습니다. 이는 규제 요구 사항을 충족하는 데 도움이 될 뿐만 아니라 투자 권장 사항의 근거를 이해하려는 고객과의 신뢰를 구축합니다. 또한 XAI는 자산 관리자가 AI 모델에서 잠재적인 편향이나 이상을 식별할 수 있도록 하여 위험 관리를 강화합니다. 이러한 선제적 접근 방식은 AI 기반 의사 결정과 관련된 위험을 완화하여 투자 전략이 규제 기준과 고객의 최대 이익에 부합하도록 보장합니다. 규제 감독이 계속 진화함에 따라 자산 관리 AI 솔루션에 XAI를 통합하는 것이 핵심 추세가 될 것이며, 이를 통해 자산 관리자는 규정 준수 과제를 해결하고 고객과 규제 당국 모두와의 신뢰를 구축할 수 있습니다.

지속 가능한 투자를 위한 ESG 통합

환경, 사회 및 거버넌스(ESG) 고려 사항은 자산 관리 시장에서 글로벌 인공지능의 주요 추세로 빠르게 부상하고 있습니다. ESG 요인에는 회사의 환경적 영향, 사회적 책임 및 기업 거버넌스 관행과 관련된 다양한 기준이 포함됩니다. 자산 관리자는 지속 가능하고 책임 있는 투자에 대한 증가하는 수요를 충족하기 위해 ESG 데이터와 원칙을 투자 전략에 점점 더 통합하고 있습니다. AI는 자산 관리자가 방대한 데이터 세트를 분석하고 회사와 자산의 ESG 성과를 평가할 수 있도록 하여 ESG 통합에서 중요한 역할을 합니다. AI 알고리즘은 뉴스 기사, 재무 보고서, 소셜 미디어 감정 및 기타 출처를 꼼꼼히 살펴보고 ESG 요인이 투자 기회와 위험에 어떤 영향을 미치는지 평가할 수 있습니다. 이 포괄적인 분석은 자산 관리자가 ESG 목표에 맞춰 정보에 입각한 결정을 내리는 데 도움이 됩니다. AI 기반 자산 관리에 ESG를 통합하는 것은 투자자 수요와 규제 변화에 의해 주도됩니다. 투자자들은 점점 더 자신의 가치와 일치하는 투자를 찾고 있으며, 이로 인해 ESG 중심 펀드가 급증하고 있습니다. 다양한 지역의 규제 기관도 ESG 요인과 관련된 공개 요구 사항을 구현하여 자산 관리자가 투자 프로세스에서 ESG를 고려하도록 강요하고 있습니다. 더욱이 AI 기반 ESG 분석을 통해 자산 관리자는 기존 방법을 통해 드러나지 않을 수 있는 귀중한 통찰력을 발견할 수 있습니다. 여기에는 장기적으로 동종업체보다 성과가 좋을 가능성이 높은 강력한 ESG 관행을 가진 기업을 식별하거나 투자 성과에 영향을 미칠 수 있는 ESG 관련 위험을 감지하는 것이 포함됩니다.

지속 가능성과 책임 있는 투자에 대한 강조가 계속 커짐에 따라 ESG 요소를 AI 기반 자산 관리 전략에 통합하는 것이 혁신적인 추세가 될 것으로 예상되며, 투자 의사 결정을 재편하고 포트폴리오를 환경 및 사회적 목표에 맞출 것입니다.

부티크 자산 관리자를 위한 맞춤형 AI 솔루션

자산 관리 시장에서 글로벌 인공지능은 부티크 자산 관리자의 특정 요구 사항에 맞게 조정된 맞춤형 AI 솔루션을 개발하는 추세가 두드러집니다. 대형 자산 관리 회사는 포괄적인 AI 플랫폼에 투자할 리소스가 있는 반면, 소규모 부티크 회사는 대형 회사의 규모 없이 AI의 힘을 활용할 방법을 모색하고 있습니다. 맞춤형 AI 솔루션은 부티크 자산 관리자의 고유한 과제와 투자 전략을 해결하도록 설계되었습니다. 이러한 솔루션은 AI 기반 포트폴리오 최적화 도구부터 위험 평가 플랫폼 및 AI 기반 시장 감정 분석까지 다양합니다.

맞춤형 AI 솔루션에 대한 추세는 AI가 모든 사람에게 맞는 솔루션이 아니라는 인식을 반영합니다. 부티크 자산 관리자는 맞춤형 AI 기능이 필요한 전문 투자 틈새 시장, 위험 허용 프로필 또는 고객 선호도를 가질 수 있습니다. 맞춤형 옵션을 제공하는 AI 솔루션 공급업체와 협력함으로써 부티크 자산 관리자는 특정 투자 목표에 맞는 최첨단 기술에 액세스할 수 있습니다. 게다가 이러한 맞춤형 AI 솔루션은 종종 부티크 회사에 비용 효율적입니다. 필요한 특정 기능에 집중할 수 있고 대규모 AI 구현과 관련된 불필요한 비용을 피할 수 있기 때문입니다. AI 기술의 이러한 민주화를 통해 부티크 자산 관리자는 데이터 기반 의사 결정이 점점 더 필수적이 되는 시장에서 효과적으로 경쟁할 수 있습니다.

AI가 계속 진화함에 따라 부티크 자산 관리자를 위한 맞춤형 솔루션 추세가 확대되어 더 광범위한 회사가 투자 전략과 고객 서비스를 개선하는 데 AI의 이점을 활용할 수 있게 될 것입니다.

세그먼트별 통찰력

기술 통찰력

머신 러닝(ML) 세그먼트는 자산 관리 시장에서 글로벌 인공 지능을 지배하고 있습니다.

머신 러닝은 컴퓨터가 명시적으로 프로그래밍되지 않고도 학습할 수 있도록 하는 일종의 인공 지능입니다. ML 알고리즘은 대량의 데이터를 분석하고 패턴과 추세를 식별하는 데 사용됩니다. 이 정보는 예측과 의사 결정에 사용할 수 있습니다.

ML은 다음을 포함한 다양한 방식으로 자산 관리에 사용되고 있습니다.포트폴리오 구성ML 알고리즘은 과거 데이터 및 기타 요인을 기반으로 성과가 좋을 가능성이 높은 자산을 식별하고 선택하는 데 사용할 수 있습니다.

리스크 관리ML 알고리즘은 다양한 투자와 관련된 리스크를 식별하고 평가하는 데 사용할 수 있습니다.

성과 분석ML 알고리즘은 포트폴리오 성과를 분석하고 개선 영역을 식별하는 데 사용할 수 있습니다.ML 세그먼트의 성장은 다음을 포함한 여러 요인에 의해 주도되고 있습니다.

데이터 가용성 증가점점 더 많은 데이터가 생성됨에 따라 ML 알고리즘은 더욱 정확하고 강력해지고 있습니다.컴퓨팅 파워 비용 감소컴퓨팅 파워 비용 감소로 인해 대규모 데이터 세트에서 ML 알고리즘을 실행하는 것이 더욱 실행 가능해지고 있습니다.자산 관리 솔루션에 대한 수요 증가자산 관리 솔루션에 대한 수요가 증가함에 따라 ML 기반 자산 관리 솔루션에 대한 수요가 증가하고 있습니다.글로벌 인공 지능의 ML 세그먼트에서 주요 업체 중 일부 자산 관리 시장에서는 IBM, SAS, BlackRock이 포함됩니다.

자연어 처리(NLP) 세그먼트는 자산 관리에서 인공 지능의 중요한 시장이기도 합니다. NLP 알고리즘은 인간 언어를 처리하고 이해하는 데 사용됩니다. 그런 다음 이 정보를 사용하여 보고서를 생성하고 투자자에게 통찰력을 제공하고 투자 결정을 내릴 수 있습니다. NLP 세그먼트의 성장은 다음을 포함한 여러 요인에 의해 주도되고 있습니다.

구조화되지 않은 데이터의 가용성 증가점점 더 많은 데이터가 생성됨에 따라 그 중 구조화되지 않은 데이터가 점점 더 많아지고 있습니다. NLP 알고리즘은 구조화되지 않은 데이터를 처리하고 이해하는 데 사용할 수 있으며, 이는 자산 관리자에게 귀중한 통찰력을 제공할 수 있습니다.

소셜 미디어 데이터에서 통찰력에 대한 수요 증가소셜 미디어 데이터는 자산 관리자에게 귀중한 통찰력의 원천이 될 수 있습니다. NLP 알고리즘은 소셜 미디어 데이터를 처리하고 이해하는 데 사용할 수 있으며, 이를 통해 자산 관리자가 추세를 파악하고 더 나은 투자 결정을 내리는 데 도움이 될 수 있습니다.

자산 관리 시장에서 글로벌 인공 지능의 NLP 세그먼트의 주요 업체로는 Kensho와 Sentient Technologies가 있습니다.

기타 세그먼트에는 컴퓨터 비전 및 딥 러닝과 같이 자산 관리에 사용되는 다양한 다른 인공 지능 기술이 포함됩니다. 이러한 기술은 새로운 자산 관리 솔루션을 개발하고 기존 솔루션을 개선하는 데 사용됩니다.

이러한 성장은 데이터 가용성 증가, 컴퓨팅 성능 비용 감소, 자산 관리 솔루션에 대한 수요 증가를 포함한 여러 요인에 의해 주도되고 있습니다.

무료 샘플 보고서 다운로드

지역 통찰력

북미는 자산 관리 시장에서 글로벌 인공 지능을 주도하는 지역입니다. 북미 자산 관리 시장에서 인공지능의 성장은 다음을 포함한 여러 요인에 의해 주도되고 있습니다.

자산 관리 회사의 높은 집중도북미는 자산 관리 솔루션에서 인공지능의 주요 소비자인 많은 수의 자산 관리 회사의 본거지입니다.

새로운 기술의 조기 채택북미 자산 관리 회사는 일반적으로 새로운 기술을 조기에 채택하여 투자 성과를 개선하고 위험을 줄이는 데 도움이 되는 자산 관리 솔루션에서 인공지능에 대한 수요를 촉진합니다.자산 관리 공급업체의 선도적 인공지능 존재북미는 IBM, SAS, BlackRock과 같은 세계 최고의 자산 관리 인공지능 공급업체의 본거지입니다.

자산 관리 시장에서 글로벌 인공지능의 다른 주요 지역은 다음과 같습니다.

유럽이 지역은 또한 자산 관리에서 인공지능의 주요 시장이며, 이 지역에 본사를 둔 여러 대형 다국적 자산 관리 회사가 있습니다.

아시아 태평양이 지역은 예측 기간 동안 가장 빠른 CAGR로 성장할 것으로 예상되며, 영어이 지역의 자산 관리 회사에서 자산 관리에 인공지능을 도입.중동 및 아프리카이 지역은 예측 기간 동안 정부의 IT 인프라 투자 증가와 이 지역의 자산 관리 회사에서 자산 관리에 인공지능을 도입하는 증가에 힘입어 적당한 CAGR로 성장할 것으로 예상됩니다.이러한 성장은 데이터 가용성 증가, 컴퓨팅 성능 비용 감소, 자산 관리 솔루션에 대한 수요 증가를 포함한 여러 요인에 의해 촉진되고 있습니다.

최근 개발

• IBM은 자산 관리를 위한 새로운 인공지능(AI) 솔루션 제품군을 출시했습니다. 이러한 솔루션은 자산 관리자가 투자 성과를 개선하고, 위험을 줄이며, 운영을 자동화하는 데 도움이 될 것입니다.
• SAS는 Google Cloud와 협력하여 자산 관리 분야의 인공 지능을 위한 새로운 클라우드 기반 플랫폼을 출시했습니다. 이 플랫폼은 자산 관리자가 디지털 혁신을 가속화하고 운영 효율성을 개선하는 데 도움이 될 것입니다.

주요 시장 참여자

• BlackRock, Inc.
• State Street Corporation
• Bridgewater Associates
• Two Sigma Investments
• AQR Capital Management
• Invesco Ltd.
• Schroders plc
• Vanguard Group
• Goldman Sachs Asset Management
• Morgan Stanley Investment Management